講演情報
[1K3-GS-3a-01]言語オントロジー階層構造に基づいたリンク予測向け知識グラフ表現集約手法
〇井手 綾乃1、岡島 光希1、中村 泰明1 (1. NTT株式会社)
キーワード：
知識グラフ、知識グラフ構築、リンク予測
大規模言語モデル (LLM)の発展により，非構造なテキストデータから知識グラフを作成することが容易になりつつある．
しかし，LLMを用いてテキストから知識グラフを作成する際，意味的に類似しながらも関係性が異なる要素のエンティティやリレーションとして抽出される知識表現の揺らぎが生じてリンク予測の性能低下を招くという課題がある．
本研究では，テキストから抽出された多様なエンティティやリレーションを言語オントロジーに基づいて階層的に集約することで，データドリブンに知識表現の揺らぎを抑える手法を提案する．
公開データセットを用いた検証では，元グラフとの意味的類似度を高く保ったままエンティティ、リレーション数が削減された知識グラフが構築でき，さらに再構築後のグラフを利用することでリンク予測の精度が向上したことも示す．
以上より，本手法はLLMを用いた知識グラフ構築における知識表現揺らぎの抑制に有効であり，リンク予測性能向上に寄与することを示した．
しかし，LLMを用いてテキストから知識グラフを作成する際，意味的に類似しながらも関係性が異なる要素のエンティティやリレーションとして抽出される知識表現の揺らぎが生じてリンク予測の性能低下を招くという課題がある．
本研究では，テキストから抽出された多様なエンティティやリレーションを言語オントロジーに基づいて階層的に集約することで，データドリブンに知識表現の揺らぎを抑える手法を提案する．
公開データセットを用いた検証では，元グラフとの意味的類似度を高く保ったままエンティティ、リレーション数が削減された知識グラフが構築でき，さらに再構築後のグラフを利用することでリンク予測の精度が向上したことも示す．
以上より，本手法はLLMを用いた知識グラフ構築における知識表現揺らぎの抑制に有効であり，リンク予測性能向上に寄与することを示した．